敖银辉，汪宝生

(广东工业大学机电学院，广东广州 510090)

液压泵作为液压系统的动力元件，是整个液压系统的心脏。液压泵已经从单纯只作为动力元件发展到集控制一体的动力元件。很多液压泵都集有比例、伺服和压力控制阀。集成程度越高液压泵越复杂，诊断和维修也就越困难。运用现代诊断技术可以更加精确和迅速地对液压泵故障做出诊断。因此，对液压泵故障诊断的方法研究具有十分重大的意义。

由于液压泵结构复杂和获取信号特征困难，对液压泵故障的研究，至今还没有建立起一个完整的体系和理论。目前，对液压泵故障诊断的研究方法，大部分源自对旋转机械故障诊断的技术和方法。液压泵的故障诊断方法主要可以分为两大类:基于数学模型的故障诊断和基于人工智能的故障诊断。文献 ［1］提出利用小波包分解液压泵出口处压力信号的特征，提取液压泵的特征量，建立不同频率范围的特征信号与液压泵不同故障因素的对应关系，为液压泵的故障诊断与定位提供依据。文献［2］将一种基于L.M算法的神经网络应用于液压泵故障诊断，并建立了基于该算法的故障诊断模型。

虽然现阶段对液压泵故障诊断方法很多，但对于液压泵故障模式识别的方法却很少。文献 ［1］提出的利用小波包方法对液压泵进行故障诊断，虽然通过观察可以看出液压泵是否出现故障，但不能判断出故障的具体位置，文献［2］采用神经网络方法对液压泵故障诊断，虽然也能判断出是否出现故障，但对故障的类型很难做出判断。……